This paper investigates the application of the support vector machine and the least-squares support vector machine regressions to the uncertainty quantification of complex systems. The feasibility and the accuracy of the above techniques are demonstrated by predicting the efficiency of an integrated voltage regulator with 8 stochastic parameters

SVM and LS-SVM for the Uncertainty Quantification of Complex Systems / Trinchero, R.; Canavero, F. G.. - ELETTRONICO. - (2018). (Intervento presentato al convegno 4th Workshop Uncertainty Modeling for Engineering Applications tenutosi a Split, Croatia nel 10-11th December 2018).

SVM and LS-SVM for the Uncertainty Quantification of Complex Systems

R. Trinchero;F. G. Canavero
2018

Abstract

This paper investigates the application of the support vector machine and the least-squares support vector machine regressions to the uncertainty quantification of complex systems. The feasibility and the accuracy of the above techniques are demonstrated by predicting the efficiency of an integrated voltage regulator with 8 stochastic parameters
File in questo prodotto:
File Dimensione Formato  
UMEMA18_SVM_IVR_final.pdf

accesso aperto

Descrizione: submitted paper
Tipologia: 1. Preprint / submitted version [pre- review]
Licenza: PUBBLICO - Tutti i diritti riservati
Dimensione 853.15 kB
Formato Adobe PDF
853.15 kB Adobe PDF Visualizza/Apri
Pubblicazioni consigliate

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11583/2768135
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo